IANouveau2 min de lecture

OpenAI permet la continuité du raisonnement sans stockage de données

Édition du dimanche 23 août 2026

OpenAI met à jour la référence de son API Responses pour préserver l'état de raisonnement des modèles dans les échanges multi-tours. Grâce à l'option de contenu chiffré, les développeurs peuvent maintenir la logique de leurs agents tout en respectant un mode stateless ou des politiques strictes d'absence de rétention des données.

Fil « Continuité du raisonnement et Zero Data Retention dans l'API OpenAI »

L'API Responses (l'interface de programmation pour générer des réponses du modèle) d'OpenAI fait évoluer sa gestion de la confidentialité. Dans la documentation de l'endpoint POST /responses, l'éditeur détaille le fonctionnement de la propriété reasoning.encrypted_content intégrée au paramètre --include. Cette option permet de récupérer une version chiffrée des jetons de raisonnement (reasoning tokens, les unités de texte générées par le modèle pour réfléchir étape par étape) directement dans les sorties de l'API.

Raisonner en mode stateless sans perdre le fil

Jusqu'à présent, la gestion des conversations à plusieurs tours (multi-turn, la suite d'échanges interactifs) nécessitait souvent de conserver l'état de la session côté serveur. Désormais, l'utilisation de données de raisonnement chiffrées permet de réinjecter la mémoire de travail du modèle d'un tour à l'autre, y compris lorsque l'API est appelée de manière stateless (sans état conservé sur les serveurs distants).

Cette approche s'avère particulièrement utile dans deux cas de figure précis :

Lorsque le paramètre store est explicitement configuré à false.
Pour les organisations inscrites au programme Zero Data Retention (ZDR, la politique garantissant l'absence totale de rétention des données après traitement).

Des options d'inclusion précises

Outre le contenu chiffré du raisonnement, le paramètre d'inclusion permet de retourner d'autres éléments d'exécution directement exploitables par vos outils :

code_interpreter_call.outputs : pour récupérer les résultats d'exécution du code Python.
web_search_call.action.sources : pour obtenir les sources d'une recherche web effectuée par le modèle.
file_search_call.results : pour retourner les résultats de recherche documentaire.

Exemple d'intégration dans la requête

Pour activer la transmission de ce raisonnement chiffré lors de vos appels avec des modèles comme o3 ou la série gpt-5, la configuration s'effectue directement dans le corps de la requête JSON :

{
  "model": "o3",
  "store": false,
  "include": [
    "reasoning.encrypted_content"
  ],
  "input": "Analyse la chaîne de dépendances de ce projet."
}

En combinant cette option avec la référence de réponse précédente via previous-response-id, votre équipe peut concevoir des agents autonomes performants et auditables tout en respectant les exigences de sécurité et de conformité sur la durée de vie des données.